本章節將使用套件ggplot2，同前一節，繪出散佈圖、線圖、直方圖、盒鬚圖和長條圖。

0. 安裝及載入套件ggplot2

# 安裝套件

install.packages("ggplot2")

# 載入套件

library(ggplot2)

載入套件後，將發現將新增更多玩具資料，可於data()查詢。

接下來將一致使用ggplot函數繪圖。

1. 散佈圖(Scatter)

玩具資料採用cars，觀察車速(speed)與煞車距離(dist)之關係。

1.1. 畫散佈圖

# aes：輸入x軸與y軸資料

ggplot(cars, aes(x = speed, y = dist))

發現點不會自動顯示出來，使用“+”來進行函數疊加。

# geom_point()：畫點

ggplot(cars, aes(x = speed, y = dist)) +
  geom_point()

亦可以先將畫布指派到變數

ggplot_without_points <- ggplot(cars, aes(x = speed, y = dist))
ggplot_without_points +
　geom_point()

加入圖片標題(類似main)與座標名稱

# ggtitle：圖片標題

# xlab()：給x座標名稱

# ylab()：給y座標名稱

ggplot(cars, aes(x = speed, y = dist)) +
  geom_point() +
  ggtitle("Car speed vs. braking distance") +
  xlab("Speed") + 
  ylab("Dist")

1.2. 其他功能

1.2.1 加入回歸線

# geom_smooth(method = …)：加入最適線，“lm”代表回歸方法用linear modol

ggplot(cars, aes(x = speed, y = dist)) +
  geom_point() +
  ggtitle("Car speed vs. braking distance") +
  xlab("Speed") + 
  ylab("Dist") +
  geom_smooth(method = "lm")

可至?geom_smooth查詢其他回歸方法

　# se：是否顯示confidence interval，預設為TRUE

ggplot(cars, aes(x = speed, y = dist)) +
  geom_point() +
  ggtitle("Car speed vs. braking distance") +
  xlab("Speed") + 
  ylab("Dist") +
  geom_smooth(method = "lm", se = FALSE)

1.2.2 顏色調整

玩具資料採用iris，依照不同品種(Species)來觀察萼片(Sepal)之長度(Length)與寬度(Width)之分布。

aes()中加入引數color

尚未依照品種區分之散佈圖

ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width)) +
  geom_point() +
  ggtitle("Sepal.Length vs. Sepal.Width") +
  xlab("Sepal length") +
  ylab("Sepal width")

依品種(Species)按顏色區分

ggplot(iris, aes(x = Sepal.Length, y = Sepal.Width, color = Species)) +
  geom_point() +
  ggtitle("Sepal.Length vs. Sepal.Width") +
  xlab("Sepal length") +
  ylab("Sepal width")

2. 線圖(Line Graph)

玩具資料採用diamonds，觀察鑽石長度(x)與闊度(y)之關係。

my_diamonds <- head(diamonds, n = 15L)

2.1. 畫線圖

# geom_line()：畫線

ggplot(my_diamonds, aes(x = x, y = y)) + 
  geom_line()

發現geom_line的畫線順序自動會以x軸資料之大小排序

ggplot(my_diamonds, aes(x = x, y = y)) + 
　geom_point() +
  geom_line()

2.2. 其他功能

2.2.1 上色

# colour：調整顏色

ggplot(my_diamonds, aes(x = x, y = y)) + 
  geom_point(colour = "green") +
  geom_line(colour = "red")

線圖常用來視覺化時間序列

head(economics)
## # A tibble: 6 × 6
##         date   pce    pop psavert uempmed unemploy
##       <date> <dbl>  <int>   <dbl>   <dbl>    <int>
## 1 1967-07-01 507.4 198712    12.5     4.5     2944
## 2 1967-08-01 510.5 198911    12.5     4.7     2945
## 3 1967-09-01 516.3 199113    11.7     4.6     2958
## 4 1967-10-01 512.9 199311    12.5     4.9     3143
## 5 1967-11-01 518.1 199498    12.5     4.7     3066
## 6 1967-12-01 525.8 199657    12.1     4.8     3018
ggplot(economics, aes(x = date, y = unemploy)) + 
  geom_line()

3. 直方圖(Histogram)與機率密度圖

3.1. 畫直方圖

玩具資料採用iris，觀察萼片(Sepal)之長度(Length)之分布。

使用ggplot() + geom_histogram()繪製直方圖

# binwidth：調整分箱寬度

ggplot(iris, aes(x = Sepal.Length)) +
  geom_histogram(binwidth = 0.2)

3.2. 其他功能

3.2.1. 分類畫圖(不限於直方圖)

# facet_wrap()：納入單一類別變數分層畫圖

ggplot(iris, aes(x = Sepal.Length)) +
  geom_histogram(binwidth = 0.2) +
  facet_wrap(~ Species)

加入ncol引數，可調整畫布規格。

ggplot(iris, aes(x = Sepal.Length)) +
  geom_histogram(binwidth = 0.2) +
  facet_wrap(~ Species, ncol = 1)

# facet_grid()：納入兩個類別變數分層畫圖

ggplot(diamonds, aes(x = carat, y = price)) + 
  geom_point(aes(color = color)) +
  facet_grid(cut ~ clarity)

3.3. 機率密度圖

機率密度圖可想像成將寬度縮成很細的直方圖。

# fill：所要填滿之顏色

ggplot(diamonds) + 
  geom_density(aes(x = carat), fill = "grey50")

4. 盒鬚圖(Boxplot)與小提琴圖

玩具資料採用iris，分別觀察不同品種(Species)的萼片(Sepal)之長度(Length)之分布。

4.1. 畫盒鬚圖

使用ggplot() + geom_boxplot()繪製盒鬚圖

# 預設要讓aes吃一個x值

ggplot(iris, aes(x = 1, y = Sepal.Length)) +
  geom_boxplot()

4.2. 其他功能

4.2.1. 分類畫圖

# aes() 指定 x = 納入類別變數的展開

ggplot(iris, aes(x = Species, y = Sepal.Length)) +
  geom_boxplot()

4.3. 小提琴圖

小提琴圖可想像成箱子按曲線呈現的箱型圖。

ggplot(diamonds, aes(x = 1, y = carat)) +
  geom_violin()

按cut分類

ggplot(diamonds, aes(x = cut, y = carat)) +
  geom_violin()

5. 長條圖(Bar chart)

玩具資料採用mtcars，為不同齒輪(gear)之車輛數作計數，以及列出每種車型的馬力(hp)。

5.1. 畫長條圖

使用ggplot() + geom_bar()繪製長條圖

ggplot(mtcars, aes(x = gear)) + 
  geom_bar()

5.2. 其他功能

**5.2.1. 顯示數值

ggplot(mtcars, aes(x = row.names(mtcars), y = hp)) +
  geom_bar()

發現上述指令會出現error訊息，原因是預設y值為"count"，作計數的動作。然而在此想呈現馬力(hp)數值高低，因此得調整函數geom_bar中的引數stat。

# geom_bar(stat = “identity”)：呈現數值

ggplot(mtcars, aes(x = row.names(mtcars), y = hp)) +
  geom_bar(stat = "identity")

5.2.2. 座標翻轉

# cood_flip()：座標翻轉

ggplot(mtcars, aes(x = row.names(mtcars), y = hp)) +
  geom_bar(stat = "identity") + coord_flip()

5.2.3. 類別著色

玩具資料採用mpg，觀察各車型(class)的數量，並區分車輪驅動方式(drv)。

# geom_bar(aes(fill = (drv)))：依照類別drv為長條圖著色

ggplot(mpg, aes(x = class)) +
  geom_bar(aes(fill = drv))

可選擇依類別將長條分開

# 加入 position = “dodge” 參數

ggplot(mpg, aes(x = class)) +
  geom_bar(aes(fill = drv), position = "dodge")

亦可觀察各車型(class)，各車輪驅動方式(drv)之百分比。

# 加入 position = “fill” 參數

ggplot(mpg, aes(x = class)) +
  geom_bar(aes(fill = drv), position = "fill") +
  ylab("Percentage")

6. 圖形互動(ggplotly)

6.1. 安裝及載入套件plotly

# 安裝套件

install.packages("plotly")

# 載入套件

library(plotly)

6.2. 加入互動性

# ggplotly()：新增互動功能

static_gg <- ggplot(mpg, aes(x = class)) +
  geom_bar(aes(fill = drv))
ggplotly(static_gg)

7. 其他補充

7.1. 格式調整

7.1.1. 安裝與載入套件

# 安裝套件lubridate

install.packages("lubridate")

# 載入套件lubridate和scales

require(lubridate)
require(scales)

7.1.2. 資料調整

僅採用economics資料中2000年後的資料

# label：TRUE代表月份按名稱顯示而非數字

economics$year <- year(economics$date)
economics$month <- month(economics$date, label = TRUE)
econ2000 <- economics[which(economics$year >= 2000), ]
# econ2000 <- economics[economics$year >= 2000, ] 亦可

依不同顏色標記不同年份，並按年份將劃分不同的線

ggplot(econ2000, aes(x = month, y = pop)) +
  geom_line(aes(color = factor(year), group = year))

7.1.2. 格式調整

# 修改說明文字

# 用comma修改y軸格式

# 新增標題和x軸, y軸的標籤

ggplot(econ2000, aes(x = month, y = pop)) +
  geom_line(aes(color = factor(year), group = year)) +
  scale_color_discrete(name = "Year") +
  scale_y_continuous(labels = comma) +
  labs(title = "Population Growth", x = "Month", y = "Population")

7.2. 主題樣式

7.1.1. 安裝與載入套件ggthemes

# 安裝套件

install.packages("ggthemes")

# 載入套件

require(ggthemes)

7.1.2. 使用不同主題

# 原本樣式

ggplot(diamonds, aes(x = carat, y = price)) +
  geom_point(aes(color = color))

# The Economist

ggplot(diamonds, aes(x = carat, y = price)) +
  geom_point(aes(color = color)) +
  theme_economist() +
  scale_colour_economist()

# Excel

ggplot(diamonds, aes(x = carat, y = price)) +
  geom_point(aes(color = color)) +
  theme_excel() +
  scale_colour_excel()

# Edward Tufte

ggplot(diamonds, aes(x = carat, y = price)) +
  geom_point(aes(color = color)) +
  theme_tufte()

# The Wall Street Journal

ggplot(diamonds, aes(x = carat, y = price)) +
  geom_point(aes(color = color)) +
  theme_wsj()